Název: Analýza vlivu změn ročních období na koncentraci pevných částic s využitím data miningu
Překlad názvu: Analysis of the effect of seasonal changes on particulate matter concentration using data mining
Autoři: Ďurinková, Alžbeta ; Dekýš, Vladimír (oponent) ; Doležalová Weissmannová, Helena (vedoucí práce)
Typ dokumentu: Diplomové práce
Rok: 2025
Jazyk: slo
Nakladatel: Vysoké učení technické v Brně. Fakulta chemická
Abstrakt: [slo] [eng]
Pevné častice (PM) sú látky znečisťujúce ovzdušie s vážnymi dôsledkami pre ľudské zdravie a kvalitu životného prostredia. Táto práca skúma, ako sezónne zmeny ovplyvňujú koncentrácie PM v Brne, v Českej republike, aplikovaním techník dolovania údajov na verejne dostupných historických meteorologických údajov, zozbieraných v rokoch 2004 – 2023. Analýza je založená na údajoch z jednej monitorovacej stanice Brno – Tuřany, a teda sa zameriava na skúmanie dlhodobých sezónnych vzorcov, nie na priestorovej variabilite v rámci mesta. Výskum využíva celý rad metód prieskumnej analýzy pomocou Pythonu a príslušných knižníc v rámci Jupyter Notebooku, vrátane deskriptívnej štatistiky, PCA, klastrovania a techník normalizácie údajov. Cieľom je identifikovať trendy, korelácie a vplyv klimatologických faktorov na znečistenie ovzdušia v jednotlivých ročných obdobiach. Táto práca chce poskytnúť cenné poznatky o časovej dynamike kvality ovzdušia v Brne. Tieto zistenia môžu podporiť budúce úsilie v oblasti environmentálneho plánovania, zdravotníctva a udržateľného rozvoja miest. Particulate matter (PM) is a critical air pollutant with serious implications for human health and environmental quality. This thesis explores how seasonal changes influence PM concentrations in Brno, Czech Republic, by applying data mining techniques to open-source meteorological and air quality data collected between 2004 and 2023. The analysis is based on data from a single monitoring station, offering a focused lens for examining long-term seasonal patterns rather than spatial variability within the city. The research employs a range of exploratory data analysis (EDA) methods using Python and its libraries within the Jupyter Notebook, including descriptive statistics, Principal Component Analysis (PCA), clustering and data normalization techniques. The goal is to identify trends, correlations, and climatological drivers of air pollution across seasons. This study offers valuable insights into temporal air quality dynamics in Brno. These findings may support future efforts in environmental planning, public health policy, and sustainable urban development.
Klíčová slova: 5; air; Brno-Tuřany; PM10; PM2; pollution; seasonality; statistical methods

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: https://hdl.handle.net/11012/250956

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-679071